研究寫作 是做什麼的？
大多數糟糕的研究寫作並非寫得不好，而是無法證偽——文筆流暢、用詞精準的文字，卻沒有提出任何可能被證明是錯誤的主張，因此讀者讀完後無事可做。這是經過測量而非推測的結果：一段 AI 生成的研究文字，在整個詞彙層級的程式碼檢查中得分每萬字 0.0 次命中，並在 472 個字中承載了一個可證偽的主張。它通過了所有表面檢查，卻什麼也沒說。
所以，第一階段是主張稽核。其他一切都是次要的。
第一階段——稽核（務必執行此步驟）
先選擇模式。 對文件問錯問題不會產生任何結果。
| 你是…… | 單位 | 問題 |
|---|---|---|
| 修改文字 | 每個段落 | 什麼觀察會讓這句話為假？ |
| 起草文字 | 你打算提出的每個主張，在寫作之前 | 同上，在文字存在之前回答 |
| 設計尚無結果的工作 | 每個承載結構的假設 | 如果這個假設是錯的，這項工作還能測量它所聲稱的東西嗎？ |
設計模式並非一種變體。設計中的斷言是關於將會被測量的事物，而「我們將掃描八層」這句話不可能為假，因此可證偽性無從著力。一個即使被證明為錯也能存活下來的假設沒問題；但一個無法存活的假設，就是在工作開始前需要加以控制的混淆變因。
修改與起草
| 段落 | 主張，一句話概述 | 自有或歸因？ | 什麼會讓它為假？ |
|---|
- 自有 vs. 歸因。 即使所有引文都準確報導，一個自有的主張仍可能為錯。「Qin et al. 報告 X」是歸因；「X 不能作為閘極」是自有。一份只有歸因主張的草稿不可能出錯——這就是缺陷。
- 寫出即可證偽——讀者僅憑句子本身就能說出反駁的觀察。「高度相關」失敗，因為沒有可違反的閾值。「在三個模型上相關性 r > 0.5」則通過。
- 未量化的最高級形容詞是最常見的失敗：最清晰的、主要的、大多數、少數之一。請給出標準，否則就放棄排名。
- 分析性主張帶有標記
[A]。 一個衍生性主張——例如*「對任何 u 而言，係數恰好為 1」*——無法被任何觀察反駁，只能被推導錯誤或其前提失敗所反駁。將前提的反駁條件放在第四欄，而非主張本身，因為經驗內容存在於前提之中。舉例來說：我們自己的釘選主張是分析性的，其前提是前綴共享，而前提正是 [E-017] 和 [E-018] 所測量的。注意：分析性主張必須附上其推導過程，無論是在文件中或透過引用。若未顯示推導過程，則並非分析性，只是無法證偽。
修正每一個第四欄為空的列——使其更精確、降級為明確的歸因，或刪除。如果根本沒有自有主張，請停下來並說明；任何改寫都無法解決這個問題。
「我不知道該拿這個怎麼辦」在此解決，而非透過格式修飾。 一份草稿可能充滿無法執行的指示——*「將 GradSim 用作預編輯風險評分」*有動詞和受詞，卻無法執行，因為一個閘極需要一個閾值和錯誤率，而來源從未提供。一個空洞的指示建立在未量化的主張之上。 不要在未能通過此階段的草稿後面加上一個「後續行動」清單；那只會產生一份整潔但無人能執行的清單。
設計
| 編號 | 承載結構的假設 | 如果錯了，工作還能繼續嗎？ | 控制措施 |
|---|
將可行性納入為一個假設：這在我實際擁有的計算、資料和依賴預算內運行。 一個有一半呼叫失敗的依賴項是一個會改變產物的設計參數——例如檢查點、可恢復性——而非稍後再吸收的意外事件。第三欄出現「否」即代表一個混淆變因；在開立任務單之前，先命名其控制措施。
第二項工作，也是真正重要的工作
一旦每一列都有第四欄，哪個主張是承載結構的就一目了然。
稽核告訴你什麼是承載結構的。它沒有告訴你要施加什麼順序——那是文體決定的。
- 論文按依賴關係排序：其他主張所依賴的先行，僅確認它的往後放。
- 實驗筆記、記錄或敘事按時間順序排序。一則旨在展示八個主張按其被撤回順序撤回的貼文，若按依賴關係排序就會被破壞。
- 兩者可以組合。一個按時間順序的文件仍有進行論證的章節，而在一個論證性章節內，依賴關係主導一切，無論文件頂層做什麼。
搞錯這一點是這個稽核唯一會造成損害的方式，所以在移動任何東西之前，先決定文體。
在三次實際使用中，過濾器捕捉到了零個無法證偽的主張——所有來源都已按該標準撰寫——而排序每次都會改變結構。預期排序，而非過濾。 一個什麼都沒捕捉到的稽核並非失敗；閱讀表格，看看什麼優先於什麼。
第二階段——七個結構性問題
按順序。實際案例請參考 references/structure.md。問題 2 和 3 是在三次實際使用中真正觸發過的——問題 2 兩次，問題 3 一次——所以先在那裡投入注意力。三次使用並非排名；它是讓你查看的重點。
- 標題——能否將每個標題改寫成一個帶有真值的句子？ （導航標籤——如參考文獻、附錄、方法，以及任何扮演限制章節角色的部分——得以豁免。）
- 差距——什麼差距？填補它要付出什麼代價？什麼會因此改變？一個未標價的差距只是一個願望。
- 符號——每個物件在獲得符號之前，是否先用英文按其功能命名？ 參考
references/mathematics.md。 - 省略——每個被省略的項是否在其被省略的地方得到承認？ 「……為求符號簡潔，省略 x。」
- 命名——現有的詞彙是否能精確指稱此物？ 如果是，借用；在不確定時則創造新詞，因為一個新詞會大聲失敗，而一個錯誤的借用會安靜地失敗。
- 模糊修辭——將其隔離，而非減少。 所有限定詞都放入一個名為「限制」的章節，正文則以無修飾的方式運作。相同的認知內容，但集中呈現，且更誠實：一個特定的限制被命名，而非一個模糊的副詞。
- 批評——範圍是否在造成損害之前就已固定？ 「X 是為了做 A 而建造的，它做到了。B 是一個不同的問題。問題在下游。」
每份草稿都有一個限制章節，無論它叫什麼名字
隔離是要求，名稱不是。 「攻擊目標」在對抗性語境中也能完成同樣的工作。無論哪個章節執行此功能，都豁免於真值標題的規則。
但請檢查第三類條目在重新命名後是否仍然存在。 對抗性框架收集的是審查者可能會攻擊的點，而沒有人會攻擊對使用方式的限制——因此當該章節被命名為其他東西時，這類條目往往會消失。
三種條目，而第三種永遠不會單獨出現：
- 結果沒有顯示的內容——「測量知識是否存在，而非模型是否會產生它。」
- 沒有做的事情——「我尚未在 GPT-2-XL 上執行約束測量。」
- 結果可能不被使用的方式——「這是研究發現的後果，而非我提供的方法。」沒有第二階段的問題會產生它；請特意添加。
第三階段——程式碼檢查（一個地板標準，而非門檻）
python scripts/lint.py --rate DRAFT.md
參考數值：內部風格文字為每萬字 0.0（共 27,700 字），已發表的機械解釋論文為 5.1，未編輯的調查報告文字為 6.4。1.25 倍的差距——這無法區分一篇好論文和一份壞報告。
它也不是作者身份測試。 這個數值追蹤的是作者是否遵循內部風格，而非誰打的字：在實際使用中，兩份 AI 撰寫的文件得分為 0.0（分別為 3,200 字和 13,100 字）。切勿將乾淨的程式碼檢查結果作為品質或來源的證據。
定位主張
一個新穎性判定——「這是未聲明的」、「我們被搶先了」——本身是一個主張，因此第一階段照常適用。一個陳述的判定是意見；一個指出最近論文沒有做什麼的判定則可以被檢查。有兩條稽核不會產生的規則：
擱置需要比繼續進行更強的證據。 一個錯誤的*「這條路是開的」會在後來那篇論文出現時浮出水面。一個錯誤的「我們被搶先了」*則會悄然終結工作，且不會產生任何證據表明它是錯誤的。一個未經證實的被搶先判定是應予核實的理由，而非擱置的理由。
當判定取決於一篇論文做了什麼時，請閱讀其方法或附錄，而非其文字。 緒論說的是作者希望這個建構會產生什麼；附錄說的是實際執行了什麼。再多的搜尋也無法捕捉到這一點。
此技能無法做到的事情
這些階段改善的是草稿的認知結構，而非其證據基礎。 經過測量：應用它們增加了七個可證偽的主張，卻沒有增加任何新的數字，因為來源本來就沒有。在薄弱的證據上，它們會產生一個明確的陳述，說明證據薄弱——這比自信地薄弱要好，但與證據充分不同。
如果草稿需要它沒有的數字，請如此說明並停止。
它也無法決定這項工作是否值得做、執行文獻搜尋，或選擇下一步要建構什麼。這些屬於專案層級的設計協議。
參考資料
references/structure.md——七個問題，附有修改前/後的範例references/mathematics.md——先文字後符號；名稱的自由推論測試references/exemplars.md——標記的段落，以及一個完整的反例範本references/voice.md——僅在從零開始起草時使用。 正在擴充一份文件？請從該文件採用其語域。